發(fā)布時間：2020-04-01 19:24

【摘要】：隨著信息技術(shù)的迅猛發(fā)展,制造業(yè)生產(chǎn)過程規(guī)模的不斷擴大,復雜性日益提高,產(chǎn)生的數(shù)據(jù)越來越多,從海量的數(shù)據(jù)中挖掘出有效的信息,從而提高生產(chǎn)過程的安全性和可靠性,提高產(chǎn)品的質(zhì)量,已經(jīng)成為制造業(yè)領(lǐng)域研究熱點之一。質(zhì)量預測根據(jù)生產(chǎn)過程產(chǎn)生的歷史數(shù)據(jù),利用特征工程技術(shù)構(gòu)建特征,從而建立高效的產(chǎn)品批次質(zhì)量預測模型,對生產(chǎn)進行過程控制并且做出相應決策有著重大意義。由于影響質(zhì)量波動的因素存在著維度高、非線性、多時段、數(shù)據(jù)不等長的特性,目前制造業(yè)質(zhì)量預測仍然面對很多困難和挑戰(zhàn),利用特征工程技術(shù)構(gòu)建高質(zhì)量的特征和選擇合適的質(zhì)量預測算法是制造業(yè)領(lǐng)域的研究熱點。目前的研究在特征提取中采用對時間劃分子時段的方法提取特征,這種方法不能提供足夠的批次波動信息。在特征選擇中采用PCA方法選擇最優(yōu)特征,這種方法對于非線性數(shù)據(jù)不能準確的挑選出對質(zhì)量影響大的變量。針對生產(chǎn)過程中多時段、高維度、非線性的數(shù)據(jù),使用傳統(tǒng)的線性回歸方法已經(jīng)無法滿足工業(yè)界對質(zhì)量準確預測。本文針對間歇生產(chǎn)過程中數(shù)據(jù)不等長、維度高、多時段,非線性的特性,設(shè)計出一套批次多階段特征工程和質(zhì)量預測方法。首先尋找指示變量替代時間,對指示變量值向下歸約并且采用指數(shù)移動加權(quán)平均的方法對指示變量對應的特征值進行采樣,解決了數(shù)據(jù)不等長的問題;然后對指示變量劃分多個階段,在不同的階段使用統(tǒng)計方法提取統(tǒng)計特征,采用XGBoost和Random Forest相結(jié)合的方法進行特征選擇,解決了數(shù)據(jù)維度高的問題;最后建立基于Stacking集成算法的多階段預測模型對批次質(zhì)量進行預測。本文采用阿里云眾智任務平臺提供的制造業(yè)質(zhì)量控制數(shù)據(jù)集,通過對生產(chǎn)過程歷史數(shù)據(jù)進行探索性分析及可視化,根據(jù)加工進度對批次生產(chǎn)過程分為三個階段,對每個階段使用本文設(shè)計的多階段特征工程和質(zhì)量預測方法。解決了批次數(shù)據(jù)不等長和維度高的問題,批次質(zhì)量取得了較好的預測結(jié)果。實驗結(jié)果表明,本文設(shè)計的特征工程和質(zhì)量預測方法對間歇工業(yè)生產(chǎn)過程復雜數(shù)據(jù)的處理和產(chǎn)品批次質(zhì)量的預測是正確有效的。
【圖文】：

業(yè)產(chǎn)品生產(chǎn)過程動態(tài)監(jiān)控，提高產(chǎn)品關(guān)鍵質(zhì)量，使數(shù)據(jù)資源轉(zhuǎn)化為生產(chǎn)過程的定義為：將有限量的物質(zhì)，按規(guī)定的加工順序，在一個工，以獲得有限量的產(chǎn)品的加工過程，重復整個過程獲得更多的產(chǎn)次按照特定的加工要求，在不同的加工中心順序加工，設(shè)備通常按，通過不同的加工中心生產(chǎn)過程控制，加工過程可以停頓，形成在生產(chǎn)組織方式，其操作狀態(tài)不穩(wěn)定，參數(shù)隨時間而變。間歇生產(chǎn)過三維的（批次 × 變量 × 時間）,在一次間歇操作周期內(nèi)，每個批次程變量的影響，，每個過程變量采集 K 個測量數(shù)據(jù)。這些過程數(shù)據(jù)組三維數(shù)組表示形式X（ × × ）,其中 I 代表批次個數(shù)（I = 1, … , I）數(shù)（J = 1, … , J），K 代表每個過程變量采樣時刻個數(shù)（K = 1 , … , K到的質(zhì)量數(shù)據(jù)可以組成一個列向量 Y=[Y1,Y2, … , Yn]T。因此，間歇一個三維過程變量數(shù)組X（ × × ）和一個二維的批次質(zhì)量矩陣Y的三維數(shù)據(jù)表示如圖 1-1 所示。

建立基于數(shù)據(jù)的質(zhì)量預測模型，首先要確定模型的輸入段的過程變量作為模型的輸入，批次的質(zhì)量作為模型的輸出。本和質(zhì)量預測關(guān)鍵技術(shù)，對間歇工業(yè)生產(chǎn)過程產(chǎn)生的數(shù)據(jù)從數(shù)據(jù)預角度進行講解，對本文所使用的單一預測模型和 Stacking 集成算。預處理和特征工程預處理息技術(shù)的快速發(fā)展，現(xiàn)實生活中采集到的數(shù)據(jù)存在著海量性、復的特點，同時在將數(shù)據(jù)存儲在數(shù)據(jù)庫的過程中可能會把噪聲引入據(jù)進行探索性分析和研究，從中挖掘出隱藏的信息是很有必要的接被模型使用，需要對原始數(shù)據(jù)進行預處理，消除不完整、不等始數(shù)據(jù)轉(zhuǎn)換成算法模型能夠有效處理的格式。數(shù)據(jù)的預處理操作據(jù)聚集、數(shù)據(jù)集成三個階段[33]。如圖 2-1 是數(shù)據(jù)預處理流程圖。
【學位授予單位】：深圳大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F424;TP181

【參考文獻】

相關(guān)期刊論文 前10條

1 常鵬;高學金;王普;;基于多向核熵偏最小二乘的間歇過程監(jiān)測及質(zhì)量預測[J];北京工業(yè)大學學報;2014年06期

2 孫文兵;曾祥燕;楊立君;;BP網(wǎng)絡(luò)和多元回歸在葡萄酒質(zhì)量模型中的應用[J];計算機工程與應用;2014年15期

3 魏江紅;周敏;韋小梅;賀國章;宋利強;雷佳莉;;應用線性回歸法預測焦炭強度[J];中國煤炭;2011年06期

4 尚福華;孫達辰;;基于時間序列趨勢轉(zhuǎn)折點的分段線性表示[J];計算機應用研究;2010年06期

5 姚珊珊;魏法杰;;基于嶺回歸法的工業(yè)產(chǎn)品成本預測模型[J];遼寧工程技術(shù)大學學報(自然科學版);2008年06期

6 朱慧明;趙銳;;基于自相關(guān)過程的貝葉斯質(zhì)量控制模型研究[J];計算機集成制造系統(tǒng);2008年03期

7 秦永濤;趙麗萍;要義勇;;基于小波變閾值去噪遞推偏最小二乘的加工質(zhì)量預測方法[J];計算機集成制造系統(tǒng);2008年01期

8 王桂蘭;易善軍;張海鷗;;基于主成分分析法的等離子熔射層質(zhì)量預測[J];機械科學與技術(shù);2006年12期

9 詹艷艷;徐榮聰;陳曉云;;基于斜率提取邊緣點的時間序列分段線性表示方法[J];計算機科學;2006年11期

10 梁e

本文編號：2610856